【月球殖民靠AI】神经网络发现7000个新陨石坑,人类2030年或找到月球定居点

简介: 最近,美国和加拿大的研究人员用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。未来,人类将有可能在这些陨石坑巨大的阴影下建立月球基地。

人类离开地球后的第一个家园可能很快就会被找到。

最近,美国宾夕法尼亚州立大学的Ari Silburt和加拿大多伦多大学的Mohamad Ali-Dib领导的研究小组,利用人工智能发现了月球上近7000个此前未被发现的陨石坑,仅用时几个小时。

专家说,未来,人类可以在陨石坑巨大的阴影下建立月球基地,这样可以保护殖民者免受太阳辐射的危险。

人工神经网络识别9万张图像,数小时发现6883个新陨石坑

过去,人们在计算月球上的陨石坑时,需要手动查看图像,找到并计算陨石坑的数量,然后根据图像大小计算它们的实际大小。

研究人员也曾尝试过开发算法来识别和计算月球陨石坑,但是当它们用于新的、以前看不见的陨石坑时,往往表现不佳。

02032b997e9ed743db86447a266b5a08137ccf84

Ali-Dib和他的同事开发的算法可以很好地发现不容易识别的月球,甚至水星等其他星球上的陨石坑。

该算法经过训练以识别火山口的边缘,然后对照先前发现的火山口的数据库进行检查,算法使用这些信息来确认新的形状符合已知的火山口形状。这使得算法可以区分陨石坑和其他地质形状,包括山脉和山脊。

为了确定其准确性,研究团队首先在覆盖三分之二的月球的大型数据集上训练神经网络,然后在余下三分之一的月球上测试他们的训练网络。最终的结果表现非常好,它能够识别两倍于传统手动计数的陨石坑。而实际上上,它能够在月球上识别出约7000个以前不明的陨石坑。

492ae18b7768320b80b99b846c23a538aa510463

专家将90000幅月球表面图像输入到人造神经网络,并对图像进行分类并确定直径大于5公里的陨石坑。这张图片显示了AI在非月亮照片上的识别能力。

e7bfda5cb2d8e4a7595fcd0e79924fb0a0f9449a

当机器进行测试时,它找到了6883个新陨石坑,使这个尺寸的已知陨石坑总数增加了一倍。该图像显示原始图像(左),AI对火山口位置(中心)的预测以及这些预测叠加在原始图像上(右图)

238130b7e40633ac5266ac595118e1db70f1076d

然而,人工智能确实不时出现失误,错误地识别出了一些陨石坑,而忽略了其他的陨石坑。大约四分之一正确识别的陨石坑的真实位置没有显示(红色)

Silburt博士说,一旦模型有了更多的改进,AI就可以用来发现成千上万、身份不明的5公里以下的陨石坑。

未来,Ali-Dib表示计划将进一步改进算法,使研究人员能够找到更多的陨石坑,并在其他太阳系体如火星、谷神星(Ceres)、木星和土星的卫星上使用。

通过陨石坑研究太阳系,2030年人类登月找到定居点?

了解陨石坑在月球上的大小和位置非常重要,因为它为我们的太阳系历史提供了一个研究窗口。 Ali-Dib指出,通过研究各种形状、大小和年龄的撞击坑,研究人员可以更好地了解太阳系早期发生的物质分布和物理现象。

由于月球没有大气、板块构造和水,所以几乎没有受到地表侵蚀,因此一些陨石坑的形成时间可以达到40亿年。大陨石坑的年龄也可以通过计算里面有多少个小陨石坑来确定。

793f5c0450d333490fea020efd8df90bee8ba413

LRO拍摄的月球陨石坑

这次研究使用的许多图像是通过美国国家航空航天局的月球侦察轨道飞行器(Lunar Reconnaissance Orbiter ,LRO)获取,该飞行器在2009年发射升空,这是美国“重返月球”计划的第一步,为美国下一步载人探月以及探索太阳系提供重要数据。

LRO返回月球全部数据,如日间温度地图、月球大地测量网格、高分辨率彩色成像和月球的UV反照率(这是衡量太阳辐射被天文物体反射回太空中的比例的测量值)。

0ce5dff7aa04f79dec1eb01c56b850e6ed13fbf0

月球侦察轨道飞行器LRO(意境图)

LRO有助于确定月球上潜在资源点,具有极高的科学价值,资源点能够为人类提供良好的地形和未来机器人和人类执行月球任务所需的安全环境。

欧洲航天局推动的“月球村”计划大使Bernard Foing教授曾表示,到2030年,可能会有六到十个人类先驱者在月球上找到定居点,到2040年人类在月球上的数量可能增长到100人。

ddc5cd36307d640a06e13ee473a39f42d2fd3c34

Bernard Foing

“到了2050年,可能会有一千人,然后......自然你可以设想让家人在那里工作。”Bernard Foing说。

Bernard Foing认为,潜在的月球资源包括玄武岩,这是一种火山岩,它可用作打印3D卫星的原材料。这些卫星可以从月球上发射,因为其重力只有地球的一小部分。

350c24ddef5586c133b87ea0ef78625e480887aa

未来人类月球定居点(意境图)

此外,月球还拥有氦3,这是我们这个星球上罕见的同位素,它理论上可以用来为地球产生更清洁,更安全的核能。

月球上的水被凝结在月亮两极的冰上,而水可以分离成氢气和氧气,两种气体在混合时会爆炸——这能提供火箭燃料。


原文发布时间为:2018-03-19

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号

原文链接:【月球殖民靠AI】神经网络发现7000个新陨石坑,人类2030年或找到月球定居点

相关文章
|
3月前
|
机器学习/深度学习 人工智能 算法
AI 基础知识从 0.6 到 0.7—— 彻底拆解深度神经网络训练的五大核心步骤
本文以一个经典的PyTorch手写数字识别代码示例为引子,深入剖析了简洁代码背后隐藏的深度神经网络(DNN)训练全过程。
797 56
|
3月前
|
人工智能 安全 网络安全
2025攻防演习回顾,AI赋能下的网络安全新格局
网络安全实战攻防演习历经9年发展,已成为检验安全体系、洞察威胁趋势的重要手段。攻击呈现实战化、体系化特征,APT、0day、勒索攻击等手段升级,AI、大数据等新技术带来新风险。攻击入口多元化、工具智能化、API成重点目标,“AI+人工”协同攻击加剧威胁。面对挑战,企业需构建纵深防御体系,从被动防御转向主动对抗。瑞数信息通过动态安全技术与AI融合,实现0day防护、漏扫干扰、勒索应急等能力,打造WAAP超融合平台,助力关键基础设施构建智能、协同、前瞻的主动防御体系。
367 1
|
2月前
|
机器学习/深度学习 资源调度 算法框架/工具
AI-ANNE: 将神经网络迁移到微控制器的深度探索——论文阅读
AI-ANNE框架探索将深度学习模型迁移至微控制器的可行路径,基于MicroPython在Raspberry Pi Pico上实现神经网络核心组件,支持本地化推理,推动TinyML在边缘设备中的应用。
191 10
|
2月前
|
人工智能 运维 安全
AI来了,网络安全运维还能靠“人海战术”吗?
AI来了,网络安全运维还能靠“人海战术”吗?
225 28
|
2月前
|
人工智能 安全 网络安全
从不确定性到确定性,“动态安全+AI”成网络安全破题密码
2025年国家网络安全宣传周以“网络安全为人民,靠人民”为主题,聚焦AI安全、个人信息保护等热点。随着AI技术滥用加剧,智能化攻击频发,瑞数信息推出“动态安全+AI”防护体系,构建“三层防护+两大闭环”,实现风险前置识别与全链路防控,助力企业应对新型网络威胁,筑牢数字时代安全防线。(238字)
152 1
|
1月前
|
机器学习/深度学习 人工智能 监控
上海拔俗AI软件定制:让技术真正为你所用,拔俗网络这样做
在上海,企业正通过AI软件定制破解通用化难题。该模式以业务场景为核心,量身打造智能解决方案,涵盖场景化模型开发、模块化架构设计与数据闭环优化三大技术维度,推动技术与业务深度融合,助力企业实现高效、可持续的数字化转型。
|
6月前
|
数据采集 机器学习/深度学习 人工智能
运维人的“福音”?AI 驱动的自动化网络监控到底香不香!
运维人的“福音”?AI 驱动的自动化网络监控到底香不香!
639 0
|
2月前
|
人工智能 监控 数据可视化
如何破解AI推理延迟难题:构建敏捷多云算力网络
本文探讨了AI企业在突破算力瓶颈后,如何构建高效、稳定的网络架构以支撑AI产品化落地。文章分析了典型AI IT架构的四个层次——流量接入层、调度决策层、推理服务层和训练算力层,并深入解析了AI架构对网络提出的三大核心挑战:跨云互联、逻辑隔离与业务识别、网络可视化与QoS控制。最终提出了一站式网络解决方案,助力AI企业实现多云调度、业务融合承载与精细化流量管理,推动AI服务高效、稳定交付。
|
3月前
|
人工智能 自动驾驶 物联网
AI 来当“交通警察”:如何优化 5G 网络资源分配?
AI 来当“交通警察”:如何优化 5G 网络资源分配?
145 9
|
4月前
|
机器学习/深度学习 人工智能 PyTorch
零基础入门CNN:聚AI卷积神经网络核心原理与工业级实战指南
卷积神经网络(CNN)通过局部感知和权值共享两大特性,成为计算机视觉的核心技术。本文详解CNN的卷积操作、架构设计、超参数调优及感受野计算,结合代码示例展示其在图像分类、目标检测等领域的应用价值。
279 7

热门文章

最新文章

下一篇
oss云网关配置